几乎每家做外贸的工厂，硬盘里都躺着一批好东西：十年前做的英文型录、工艺参数表、CE 和 ISO 证书扫描件、业务员给客户回过的上百封技术答疑、售后记录里那些"为什么会开裂""盐雾测试能过多少小时"的真实答案。

这些东西从来没被买家看见过，除了少数几个跟你聊到第三轮的客户。而在 AI 搜索时代，它们本来可以替你回答成千上万次提问——前提是你把它们从硬盘里搬到网站上，并且搬成 AI 能读懂的样子。

这套做法我们叫 RAG SEO（知识库 SEO）：把你企业内部的真实知识，变成 AI 检索、理解、引用时会优先取用的语料。

先搞清楚：AI 为什么不引用你的产品页

多数外贸站的页面结构是"形容词 + 图片 + 一行参数"，比如"High quality with advanced technology, competitive price, fast delivery"。这类内容对人没有信息量，对 AI 更是零价值——它没法从里面提取任何可验证的事实。

AI 在组织答案时的判断逻辑大致是这样一条链：先抓取页面，再把内容切成语义片段，给每个片段打可信度分数，过滤掉风险内容，最后才把高分片段拼成答案。你的页面如果全是无法验证的形容词，在第二步就会被判定为"低信息密度"，直接不进候选池。

结论很直接：AI 引用的是事实，不是口号。而事实恰好都在你硬盘里。

第一步：盘点「只有你知道」的资料

不是让你写新东西，是先把已有的东西找出来。我们给客户做诊断时，会按这六类清点：

  • 产品规格体系：尺寸、公差、材质牌号、功率、寿命参数
  • 工艺与流程：几道工序、关键控制点、良率区间、打样周期
  • 认证与合规：CE / FDA / RoHS / ISO 的证书编号、发证机构、覆盖型号
  • 业务答疑：报价逻辑、起订量、交期波动原因、包装方式
  • 售后数据：常见问题、失效原因、解决方案、返修率
  • 应用场景：哪些行业在用、什么工况下表现好、和其他方案比强在哪

这一步不需要文笔，只需要你愿意把内部文件摊开。很多企业卡在这里，是因为觉得"这些是我们的know-how"——注意区分：工艺原理可以公开，具体配方和客户名单不行。前者是建立信任的资产，后者才是商业机密。

第二步：拆成「一个问题—一个答案」的原子块

这是整套方法里最费工、也最关键的一步。AI 检索时是按片段取用的，所以你要把长文档拆成"一段只讲一件事"的独立块。

判断标准很简单：这个段落单独摘出来，能不能直接回答一个具体问题？

举例，一段型录原文是：

"本产品采用优质铝合金材料，经阳极氧化处理，具有优良的耐腐蚀性能，广泛应用于各个领域。"

拆解后应该变成三个原子块：

  • 材质牌号 6063-T5，壁厚 1.8mm，阳极氧化膜厚 ≥10μm
  • 中性盐雾测试 500 小时无白锈，测试标准 ASTM B117
  • 主要应用于户外广告机外壳、工业设备机架、光伏支架三个场景

差别在哪？原文是三句无法验证的自我评价；拆解后是三组 AI 可以直接引用的事实，而且每一组都对应一个买家真实会问的问题。

第三步：按「买家提问的方式」结构化上站

同样的事实，用不同结构呈现，被引用的概率差很多。四种结构最有效：

常见问题（FAQ）

把业务员回过的真实问题原样搬上来，答案控制在 80 字以内，先给结论再解释。配上 FAQ 结构化标记，AI 能直接识别"这是问答对"。

参数对比表

把型号、参数、适用工况做成真表格（HTML table，不是图片），买家在 AI 里问"你们 A 型和 B 型有什么区别"时，AI 才有东西可提取。

工艺分步骤页

用有序列表写清几道工序、每道工序的控制点。这类页面是最容易被 AI 当作"专业信源"引用的，因为同行很少愿意公开。

案例页

不要写成"某客户很满意"，要写成"什么工况 → 遇到什么问题 → 我们怎么改 → 结果数据"。案例是 AI 判断可信度时权重最高的内容类型之一。

顺便一句技术提醒：这些内容必须能被爬虫直接抓到。纯前端 JS 渲染的页面、藏在图片里的参数、需要登录才看得到的规格表，AI 都读不到。robots.txt 也要放行 GPTBot 这类抓取程序——很多外贸站栽在这一步上。

第四步：把品牌实体统一起来

AI 需要确认"这堆内容属于同一家公司"。如果官网写"XX Technology Co., Ltd."，领英写"XX Industrial"，B2B 平台写的是工厂简称，AI 就无法把它们合并成一个可信实体，引用时会退回到它更熟悉的第三方来源。

做法是把这几处对齐：公司全称、英文名、品牌名、工厂地址、成立年份、认证主体、主营品类。一旦 AI 建立起"你 = 某品类 + 某地区 + 某认证"的稳定关联，后续你新发布的内容就更容易进入它的知识范围。

第五步：向外分发，制造可溯源引用

只把内容放在自己官网上，AI 会认为这是"企业自述"，可信度有限。它更信任第三方来源对同一事实的重复确认。

所以要做的是把同一组事实，按不同平台的语言习惯分发出去：LinkedIn 发工艺解析、Medium 发行业观察、Quora 和 Reddit 回答真实提问、行业目录与协会会员页补齐资质信息。同一个事实在三个以上独立来源出现，AI 才会把它当作共识而非宣传。

这里不要偷懒用一套文案全平台复制，那样会被识别为低质重复。同一个数据，官网写详细版，社媒写结论版，问答社区写经验版。

怎么判断有没有效果

GEO 没有"排名第一"可看，但有三个可量化的观察口：

  • AI 出现率基线：选定 30–50 个买家会问的行业问题，每月在 ChatGPT、Gemini、Perplexity 各问一遍，记录品牌是否被提及、以什么措辞被提及。这是最硬的指标。
  • 引用来源结构：AI 提到你时，引用的是你的官网、第三方媒体，还是根本没有出处。官网占比上升，说明你的知识库被吃进去了。
  • 溢出信号：品牌词搜索量、直接访问量、销售听到的"我在 AI 里看到你们"这句话出现的频次。

时间预期要放平：技术可访问性修复以周计，内容被 AI 采纳通常以月计，模型语料更新还有滞后期。这不是投广告，是攒资产。

三个最常见的坑

把资料原封不动贴上去。型录 PDF 转成网页，还是没人看得下去，AI 也提不出结构。拆解这一步不能省。

继续追关键词密度。GEO 拼的是语义匹配和事实密度，堆词反而会让内容显得低质。

指望两周见效。知识库是复利型投入，前两个月看不到变化是正常的。但如果三个月后 AI 出现率完全没动，那是链路里某一环断了——通常是第三步的技术可访问性。

从一页开始

不用一次做完整个站。挑你卖得最好的一个产品，把它的规格、工艺、认证、FAQ、案例整理成一页结构化内容，配上标记，放行爬虫，然后去 AI 里问一句"XX 产品怎么选型，有哪些供应商"。

如果三周后你的名字开始出现在答案里，说明这套方法在你的品类里跑得通，再复制到第二个产品。这比一上来重做整个官网要稳得多。